与导致意大利西北部极端降水事件中尺度特征 相关的大尺度大气模式外文翻译资料

英语原文共 14 页，剩余内容已隐藏，支付完成后下载完整资料

水资源方面的进展28(2005)601-614。

www.elsevier.com/locate/advwatres

与导致意大利西北部极端降水事件中尺度特征

相关的大尺度大气模式

罗伯托·鲁达里a,b,c, Dara Entekhabi c，*， Giorgio Roth a,b。

Dipartimento di Informatica Sistemistica e Telematica,意大利̀degli研究di热那亚意大利

b Centro di Ricerca Interuniversitario在Monitoraggio Ambientale,意大利̀degli研究di热那亚e黛拉巴斯利卡塔,意大利

美国麻省理工学院，麻省理工学院拉尔夫M.帕森斯实验室。

2004年6月10日收到;2004年10月17日收到修订表格;接受了2004年10月25日

2005年3月23日上线。

文摘

通过对地表降水测量仪的联合分析和大气场的重新分析，确定了意大利西北部强降水事件的天气和大尺度大气条件。在大西洋和欧洲范围内，利用局部表面测量降水观测的数量来估计垂直综合水流量、低层风、海平面气压和500 hPa高度的更大尺度的复合地图(条件平均场)。值得注意的是，粗分辨率的再分析数据显示了在重新分析分辨率下的局部区域的强降水的不同的天气条件。本文提出了基于网格重分析和站数据的联合分析的新方法的关键属性。该方法的应用被用来为导致意大利西北部产生极端降水的水文气象过程建立支持证据。结果证实了大规模环流特征与产生局部的极端降水区域地形的互相作用。以前的研究是基于一些案例研究(建模或观察)，在本研究中引入了大量案例和综合统计数据的方法。

关键词:极端降水;水文气象学;流地形相互作用;天气条件;地中海的风暴

1、介绍

1.1、背景和动机

建模和观察案例研究经常被用来了解水文气象机制导致极端降水和灾难性洪水事件。这些研究往往是有限的，特别是在复杂地形的地区。这些挑战来自于制造这些事件所涉及的广泛的规模。在大尺度的大气环流和相对较小尺度的地形之间存在着复杂的相互作用。强降雨事件自身往往是局部的特征，其核心不超过几公里。尽管如此，这些事件还是嵌入在大规模的系统中，这些系统从遥远的源地(例如，[28])汲取能量和水分。

大部分的天气学研究都集中在一些特征事件上[7,11,8,17]。水文学研究主要集中在样本的统计上[13,14]。理想的水文气象学研究应该结合这两种方法，以便更好地解释复杂地形地区极端降水事件的现象学[33,4,23,16,21,3,17]。

这项工作建立在以往的建模研究的基础之上，这些研究集中于orography对意大利西北地区极端降水事件的影响(6、30)。大多数数值模型已经被用于研究该研究区域的极端水文气象事件。由于计算成本，数值模型仅限用于少量事件的研究。本研究仅以观测为基础(需要说明的是，再分析数据确实包含一些模型影响;这意味着模拟没有被执行。）该研究试图产生足够多的案例来形成分离出当地强降雨事件的天气预演和流行条件的复合材料。一组在意大利西北部质量控制的地表降水测量(点)测量数据被用来确定一个区域的强降水和极端事件大样本(100-200个案例)。利用非参数临界和联合概率建立了事件的时空特征。接下来是大尺度和共同的天气条件这些事件发生的时候是通过复合图来诊断的(条件平均大范围的条件是在当地的区域中发生的事件的分位数大小)。根据风、温度和湿度再分析数据，导出了大尺度场变量的流量和通量。它们一起捕获了许多关键的环境元素。最重要的是，区域内不同地区的风暴前兆条件与该区域的大尺度进程有关(本研究中，大尺度指的是北大西洋和西欧和东欧区域，区域指的是意大利西北部，而局部地区指的是意大利西北部的次区域)。值得注意的是，在每一个地方的事件中，都有一些细微但非常重要的区别。这些区别和它们的前体是在这里被组织为一个现象学的框架。该框架证实了文献中已经报道过的一些重要的案例研究。

图1所示。(a)本研究中引用的区域地形图和当地区域的识别，(b)降水事件监测站的季节性分布超过第95分位数，(c)秋季事件的空间分布超过95分位数。秋季是整个领域中极端降水事件百分比最高的季节。

1.2、研究区域的描述

研究的前提是，复杂地形的区域如果在特定的大尺度大气条件下被嵌入，就能发生极端的降水事件。地中海区域是一个明显的大规模的流动和地形因素造成重大降水事件的例子。本研究考虑了意大利西北地区。图1a显示目标区域的地形。分析域被定义为纬度窗口的经度(5 -12.5 E, 42 -47 N跨度约700公里)。由北至南的区域覆盖约600公里，范围从托斯卡纳(Maremma)的下半部到瑞士的提契诺山谷。欧洲阿尔卑斯山的弧形山脉代表了该领域内的主要地形特征。山脊的平均高度约为2500米，但山脊是由一系列主要的峡谷相交而成，这是流畅与地形相互作用的关键因素。大部分的山谷都是南北走向的。图1a描述了将在研究中引用的一些主要地理特征的位置和名称。高山前陆的一些较小的地形特征，如亚平宁山脉，也构成了目标区域的其他重要特征。

1.3、研究大纲

使用的观测数据(表面和高空测量)在第2节中描述。第3节给出了大样本事件的客观选择准则。第4节报道了区域内不同局部地区极端降水事件的共同大尺度气象条件。在第5节中，根据第4节的结果开发了一般现象学框架。最后，研究的一些结论和未来扩展的前景，特别是通过使用扩大的数据集，将在第6节展示。

2、数据

复合图的精化(条件平均大尺度大气场受局部地区降水事件的量子量大小制约)要求:(1)地表尺度降水积累，具有足够的空间覆盖，以区分局部(数十公里)水文气象特征;和(2)天气尺度(数百至数千公里)网格状大气环流和输送场表现可能造成降水事件的大型天气条件进行优化。

2.1、地面雨量测量数据

有许多有价值的汇集了全球或大陆范围的覆盖范围(例如，[19,12,18])降水数据，这些数据大都非常适合于气候研究。然而，它们对区域和局部规模研究的使用受到时间和空间范围的限制。为了确定局部和区域尺度的极端降水事件，在本研究中进行了质量控制地面降水数据的新汇编。该汇编合并了几个测量网络的测量。这些网络属于不同的业务和研究机构，覆盖了意大利西北部的大部分地区，特别是利古里亚、皮埃蒙特、瓦莱达奥斯塔和托斯卡纳地区。

这个数据集是由意大利国家水文服务办公室的档案(Servizio Idrografico emareografico Nazionale)的档案组合而成的。其他次要来源，特别是利古里亚和皮埃蒙特，也包括在内。结果是一个1563个站点的数据库，在目标区域内每天都有报告。在本研究中，数据被过滤，标准允许在目标区域内的时间序列和空间范围内的无间隔长度之间做出合理的折中。

在1563个原站点中，447个符合这项研究的要求。在质量控制数据库中，平均降水量距为10公里左右。

2.2、高空数据

高空数据的来源是国家环境预测中心(NCEP)/国家大气研究中心(NCAR)的再分析[20,22]。重新分析项目产生了一个追溯到51年(1948-1998)全球分析大气领域的记录。在第一个十年(1946 - 1957)期间，高空数据观测较少，并且比当前主要的天气时间间隔(例如03UTC)晚3小时，从而使第一个十年的重新分析比随后的40年更不可靠。因此这项研究排除了早期。

3、确定局部极端降水事件。

3.1、季节的选择

季节效应强烈地影响着该地区风暴和降水气候学的主要特征。在本研究中，风暴的气候学分为四季。季节的选择是由天气预报专家的经验和每个季节中事件的客观排名来决定的。在地中海地区，极端降水事件历来集中于秋季(例如[1])。事实上，斜压活动在初秋是强烈的，地中海温暖的海水表面温度有助于形成环化，并使低层大气变湿润[7]。类似的情况可能在北美发生，尽管在不同的环境中;秋季再次被认为是极端情况下最关键的一个(例如，[9])。本研究还采用基于频率分布的客观方法来确定极端降水事件最频繁的季节。

传统上，极端降水事件的确定是在一个扩大的区域，雨量计测量可用(例如，[23])使用降水量的阈值。在复杂的地形环境中(见图1a)，短距离上的海拔差异由于地形和大气流动的相互作用也会导致降水分布的显著变化。因此，有必要根据每一站定义相对阈值，而不是使用绝对阈值来定义。

在本研究中，无论季节如何，我们都对该领域的每一站都进行了所有年份(1958-1986年)的排名。选择0.95百分位来确定每个站的极端事件。每个季节发生的0.95百分比事件的频率如图1b所示。超过0.95分的极端事件在秋季(9月- 10月- 11月- 11月)的比例要高得多，超过40%的事件发生。在图1c中给出了结果的空间表示，其中每个站显示了事件的子百分比。再一次，几乎所有地方的百分比都超过了0.4。因此，本研究选取秋季季节进行分析。

3.2、分组到地方

对具有共同水文气象条件的局部地区的识别，需要对地表降水测量站的聚类选择标准进行分组。这一要求是建立一种客观的非参数选择方法，以确定同质组的位置。组内的同质站在极端降水中表现出相似的行为，预计它们会受到共同的天气条件的影响。传统的方法是估计站内数据之间的线性相关系数，并根据相关性中急剧下降的边界来确定分组。相关地图方法可能会带来问题，因为降水数据。

的间歇性。零和非负值的存在显著地偏差了相关测度，并可能导致误导性的结果[15]。在本研究中，我们采用了一种非参数的空间分组的替代方法，不受间歇性和甚至缺失的观测的影响。

在这种情况下，一个有用的工具是条件概率。条件概率图显示，在记录的长度上，样本发生频率超过某一特定事件的频率，即x0 n，站n条件下，m值超过分位数x00 m。计算量本质上是不利于frac12;X n gt; x0 njx0 m gt; Xm gt; x00 m,Xn是事件分位数的n站;Xm是第mth站的事件分位数，为n5 m。量化x0 n、x0 m和x00 m是在计算概率图的基础上的事件阈值。

例如，如果两个观测站相距较近，并且经常记录同一极端事件的降水，那么条件概率Prob X n gt; x0 njXm gt; x0 m在每个站的量值阈值(x0 n和x0 m)的高值是接近统一的。如果观测站相距遥远，或者在水文气象事件在整个地貌上的分布上有差异，那么两站记录极端情况的条件概率为零。因此，条件概率图可以用来描述那些经历了常见的水文气象学极端事件或条件的地区。与相关性不同的是，这种对应的测量方法不受间歇性、偏斜分布的降水积累和丢失记录的影响。由于使用的是量子量而不是降水积累，所以“极限值”的定义是由各地表观测站的局部条件进行标准化的。此外，如果在连续的天数中为事件(例如，x0 m在一个索引站，x0 n在随后一天的所有站点)中定义了分位数，那么就可以使用条件概率图来大致确定某一天中移动的聚集集群的方向。

采用图2a-c中交叉的三个指标测量站进行分组过程的初始化。条件概率地图x0 mfrac14;0:95 x0 nfrac14;0:95落后0(当天)绘制在图2 a - c。图2a显示，托斯卡纳组有一个易于识别的空间结构，但不包括托斯卡纳区的Emilian 亚平宁。图2b显示，利古里亚海岸的海岸Riviera di Ponente是一个具有明显小内陆延伸的均匀区域。图2c的Ticino和Toce山谷分组表明，狭窄的山谷定义了局部受限的水文气象学特征。图2a-c显示该区域实际上是由许多本地分组组成的(在这里只识别了3个组，甚至包括当前本地分组的子集或聚合的其他分组，都是可能的)。

这三种组合(通常是托斯卡纳、利古里亚和皮埃蒙特)和它们的索引站都是用来投资的。

图2所示。(a)为每一组选定的监测站群。剩余的面板显示了三个索引站点的子极端事件的条件概率图。参考站用十字表示。(b)第1组(Tuscany)，样本量= 36,x 0 = 39 mm;(c)组2 (Liguria)，样本量= 35,x 0 = 62 mm;(d)第三组(Piedmont)，样本量= 41,x0 = 71毫米。在每一个索引站点中，站点x 0的分位数为95%，或者是所有三个索引站点的FX(x 0) = 95.0。

为该地区的极端降水事件提供了大规模的条件。它们绝不是唯一可能的集合;尽管如此，研究结果表明，即使有了这个初步的选择，也可以确定大规模的影响因素的显著差异。

4、局部极端降水事件的大尺度强迫模式。

4.1、水分通量和较低水平和高层的流场。

分析当地的站点群(而不是一个单一的雨量测量)可以维持大样本大小。在每组事件中，记录的前3%(第97百分位)被选中。因此，为这三组确定了事件的参考日期:该程序为第3组的第1组、第2组和第97组确定了171个事件。这些都是大样本容量，可以大规模地发展复合气象场。由于高量化阈值的选择，事件分离被证明是充分的。在第2组事件样本中，第1组所发现的事件中，有19%的事件也被发现，而在第3组样本中只发现了10%;第2组所选的事件中，共有28%的事件与第3组相同，这显示了日期之间的最高重叠。事件的几乎独立性是。

对每个局部群体的独特的大规模强迫特征的诊断很重要。

通过对每个本地组的事件日期的样本，对上面的空气数据进行取样，以分离出在每个局部分组区域中极端事件的流行的大型天气模式。

4.2、水分通量场和水分来源

图3a-c为每个局部组极端降水事件的复合对流层水汽通量。诊断为垂直积分(1000hpa ~ 300hpa)大气汽通量矢量(图3a-c)，表明各局部地区的水分输运强度均为极端降水事件。更相关的量实际上是蒸汽收敛场[24]。不幸的是，基于再分析数据的垂直一体化蒸汽收敛估计是有问题的。其中一个主要问题是。

用于重新分析

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[21571]，资料为PDF文档或Word文档，PDF文档可免费转换为Word